本文目的是用简单的matlab仿真语言将OCT涉及到的一些计算公式一步步还原。由简入难，从光的干涉，低相干，色散矫正，时域插值等部分进行讲解。 练习一、光的干涉。两束波长相同的单色光同向干涉。 光的波动公式可以表示为，U=A*cos(wt+p0); 其中p为初始相位。二者干涉，即为波动信号的直接叠加。 w = 5*pi;       % 角速度t = -1:0.01:1;  %

动态规划 1 动态规划初探1.1 状态和转移方程1.2 从递归看动态规划 2 背包问题2.1 0-1背包、满包2.2 完全背包2.1.3 多重背包2.1.4 混合背包2.1.5 二维费用背包2.1.7 分组背包2.1.8 有依赖的背包问题2.1.9 泛化物品2.1.10 背包问题问法的变化 1 动态规划初探 1.1 状态和转移方程 【核心思想】动态规划问题的一般形式就是求最

一.单词的向量化表示 1.one-hot 比如有一个1000个词汇的词典，每一个单词可以表示为一个1000*1维大小的向量，其中一个位置为1，其余为0，并且每个单词的1的位置互斥。 不过这种表示方式存在很多问题： 任意两个词之间都是孤立的，根本无法表示出在语义层面上词语词之间的相关信息如果词典非常大，那么每个单词的维度都是巨大的，这样会造成计算上的困难其得到的特征是离散稀疏的，得到的向量

去重原理     工具介绍 链接：https://github.com/idealo/imagededup 使用经验 在无脑搬运并使用此黑箱时，本小白耗时快一天，遇到了以下几方面的问题： 配置安装环境：python版本不适合，pip安装imagededup出错调相似度阈值 接下来记录以上环节的具体解决情况。 配置安装环境 使用pip安装时制定python版本，并且手动换